Qwen api 令牌 文档

基础 URL 和认证

使用您的唯一 API 密钥连接到我们的端点。使用 https://api.qwenapitoken.com/v1 作为 base URL。将你的密钥发送在 Authorization 页眉作为 Bearer 令牌。此设置适用于任何 OpenAI 兼容的客户端，无需更改代码。

使用 Google 或邮箱注册，即可即时获取密钥。无需电话号码。密钥仅显示一次，请妥善保管。

Copycurl https://api.qwenapitoken.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List steps to install the package."}]
  }'

错误如 401 表示密钥无效。请检查您的账户以获取正确的令牌。

聊天完成端点

发送消息以通过POST请求生成响应。该端点接受标准聊天格式。输入文本，输出文本。这里没有嵌入或图像生成。只有纯粹的文本补全。

将模型 ID 设置为 uncensored. 该模型针对合法成人用途无审查地回答。它不是 GPT 或 Claude。它是一个专用的无审查模型。使用 Python 或 Node 轻松发送请求。

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.qwenapitoken.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

响应包含使用统计信息。跟踪输入和输出令牌以进行计费。错误是免费的，因此您只为成功的补全付费。这使成本保持可预测。

流式响应（SSE）

使用服务器发送事件（SSE）实时接收令牌。设置 stream: true 在您的请求中。API 随生成返回文本块。这显著降低了感知延迟。

解析 SSE 流以渐进式显示文本。最后一个数据块包含总令牌用量。这有助于您准确追踪成本。流式传输适用于所有标准 SDK。它非常适合聊天界面。

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

优雅地处理部分响应。网络中断可能导致块丢失。如有需要请重新连接。uncensored 模型在流式传输期间能很好地保持上下文。用户会即时看到答案的形成过程。

函数调用与 JSON 模式

使用结构化输出以实现可靠的数据提取。启用 JSON 模式， response_format: {"type": "json_object"}模型每次均返回有效的 JSON。这对于 API 集成至关重要。函数调用功能支持工具使用。在请求体中定义工具。模型会根据提示选择正确的工具。

设置 tool_choice 以控制行为。强制使用特定工具或让模型自行决定。这种灵活性支持复杂的工作流。将流式传输与 JSON 结合使用以实现实时数据。无审查模型很好地处理多样化的输入。

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.qwenapitoken.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

如有需要，请验证 JSON 输出。模型旨在严格合规。这减少了代码中的解析错误。用于自动化任务或数据处理。

速率限制与上下文窗口

您的 API 密钥支持每分钟 300 次请求。允许同时发起 8 个并发请求。请求体必须小于 8 MB。这些限制可防止滥用，确保所有用户公平使用。请通过仪表板监控您的使用情况。

上下文窗口为 100,000 个 token。这包括 prompt 和 completion。每次请求最多可输出 16,000 个 token。请设置 max_tokens 控制输出长度。如果未设置，默认为 2,048 个 token。

速率限制返回 429 状态码。等待后再重试。uncensored 模型很好地处理长上下文。这对于大文档很有用。调整您的客户端逻辑以尊重限制。避免在高峰时段出现突发流量。

模型 ID 与参数

指定 uncensored 作为模型 ID。这确保你获得专用的无审查体验。温度 (temperature) 和 top_p 等参数控制创造性。将温度设置在 0 到 2 之间。较高的值会增加随机性。

使用 stop 序列以终止生成。设置种子以获得可复现的结果。存在惩罚和频率惩罚调整 token 重复。这些参数微调输出质量。模型响应标准的 OpenAI 格式。

检查 /v1/models 端点获取详细信息。它确认可用模型。仅提供一个模型。这使事情变得简单。没有复杂的路由或供应商选择。只有一个可靠的无审查选项。测试不同的参数以找到您的最佳状态。